检查列表中是否存在值的最快方法

Question

检查一个值是否存在于一个非常大的列表中的最快方法是什么？

Answer 1

7 in a

最清晰和最快的方法。

您也可以考虑使用set ，但是从您的列表中构建该 set 可能需要比更快的成员资格测试节省的时间更多。 唯一可以确定的方法是做好基准测试。 （这也取决于您需要什么操作）

Answer 2

正如其他人所说，对于大型列表， in可能非常慢。 以下是in 、 set和bisect的一些性能比较。 请注意时间（以秒为单位）是对数刻度。

测试代码：

import random
import bisect
import matplotlib.pyplot as plt
import math
import time


def method_in(a, b, c):
    start_time = time.time()
    for i, x in enumerate(a):
        if x in b:
            c[i] = 1
    return time.time() - start_time


def method_set_in(a, b, c):
    start_time = time.time()
    s = set(b)
    for i, x in enumerate(a):
        if x in s:
            c[i] = 1
    return time.time() - start_time


def method_bisect(a, b, c):
    start_time = time.time()
    b.sort()
    for i, x in enumerate(a):
        index = bisect.bisect_left(b, x)
        if index < len(a):
            if x == b[index]:
                c[i] = 1
    return time.time() - start_time


def profile():
    time_method_in = []
    time_method_set_in = []
    time_method_bisect = []

    # adjust range down if runtime is too long or up if there are too many zero entries in any of the time_method lists
    Nls = [x for x in range(10000, 30000, 1000)]
    for N in Nls:
        a = [x for x in range(0, N)]
        random.shuffle(a)
        b = [x for x in range(0, N)]
        random.shuffle(b)
        c = [0 for x in range(0, N)]

        time_method_in.append(method_in(a, b, c))
        time_method_set_in.append(method_set_in(a, b, c))
        time_method_bisect.append(method_bisect(a, b, c))

    plt.plot(Nls, time_method_in, marker='o', color='r', linestyle='-', label='in')
    plt.plot(Nls, time_method_set_in, marker='o', color='b', linestyle='-', label='set')
    plt.plot(Nls, time_method_bisect, marker='o', color='g', linestyle='-', label='bisect')
    plt.xlabel('list size', fontsize=18)
    plt.ylabel('log(time)', fontsize=18)
    plt.legend(loc='upper left')
    plt.yscale('log')
    plt.show()


profile()

Answer 3

您可以将您的项目放入一个set中。 集合查找非常有效。

尝试：

s = set(a)
if 7 in s:
  # do stuff

编辑在评论中您说您想获取元素的索引。 不幸的是，集合没有元素位置的概念。 另一种方法是对列表进行预排序，然后在每次需要查找元素时使用二进制搜索。

Answer 4

def check_availability(element, collection: iter):
    return element in collection

用法

check_availability('a', [1,2,3,4,'a','b','c'])

我相信这是了解所选值是否在数组中的最快方法。

Answer 5

原来的问题是：

知道一个值是否存在于一个列表（一个包含数百万个值的列表）中以及它的索引是什么的最快方法是什么？

因此，有两件事要找到：

1. 是列表中的一个项目，并且
2. 什么是索引（如果在列表中）。

为此，我修改了@xslittlegrass 代码以在所有情况下计算索引，并添加了一个附加方法。

结果

方法是：

1. in-- 基本上如果 x in b: return b.index(x)
2. try--try/catch on b.index(x) （跳过检查 x 是否在 b 中）
3. set--基本上如果 x 在 set(b) 中：返回 b.index(x)
4. bisect-- 用它的索引对 b 排序，在 sorted(b) 中对 x 进行二分搜索。 注意来自 @xslittlegrass 的 mod，它返回排序后的 b 中的索引，而不是原始 b)
5. reverse--为b形成一个反向查找字典d； 然后 d[x] 提供 x 的索引。

结果表明方法5是最快的。

有趣的是， try和set方法在时间上是等价的。

---

测试代码

import random
import bisect
import matplotlib.pyplot as plt
import math
import timeit
import itertools

def wrapper(func, *args, **kwargs):
    " Use to produced 0 argument function for call it"
    # Reference https://www.pythoncentral.io/time-a-python-function/
    def wrapped():
        return func(*args, **kwargs)
    return wrapped

def method_in(a,b,c):
    for i,x in enumerate(a):
        if x in b:
            c[i] = b.index(x)
        else:
            c[i] = -1
    return c

def method_try(a,b,c):
    for i, x in enumerate(a):
        try:
            c[i] = b.index(x)
        except ValueError:
            c[i] = -1

def method_set_in(a,b,c):
    s = set(b)
    for i,x in enumerate(a):
        if x in s:
            c[i] = b.index(x)
        else:
            c[i] = -1
    return c

def method_bisect(a,b,c):
    " Finds indexes using bisection "

    # Create a sorted b with its index
    bsorted = sorted([(x, i) for i, x in enumerate(b)], key = lambda t: t[0])

    for i,x in enumerate(a):
        index = bisect.bisect_left(bsorted,(x, ))
        c[i] = -1
        if index < len(a):
            if x == bsorted[index][0]:
                c[i] = bsorted[index][1]  # index in the b array

    return c

def method_reverse_lookup(a, b, c):
    reverse_lookup = {x:i for i, x in enumerate(b)}
    for i, x in enumerate(a):
        c[i] = reverse_lookup.get(x, -1)
    return c

def profile():
    Nls = [x for x in range(1000,20000,1000)]
    number_iterations = 10
    methods = [method_in, method_try, method_set_in, method_bisect, method_reverse_lookup]
    time_methods = [[] for _ in range(len(methods))]

    for N in Nls:
        a = [x for x in range(0,N)]
        random.shuffle(a)
        b = [x for x in range(0,N)]
        random.shuffle(b)
        c = [0 for x in range(0,N)]

        for i, func in enumerate(methods):
            wrapped = wrapper(func, a, b, c)
            time_methods[i].append(math.log(timeit.timeit(wrapped, number=number_iterations)))

    markers = itertools.cycle(('o', '+', '.', '>', '2'))
    colors = itertools.cycle(('r', 'b', 'g', 'y', 'c'))
    labels = itertools.cycle(('in', 'try', 'set', 'bisect', 'reverse'))

    for i in range(len(time_methods)):
        plt.plot(Nls,time_methods[i],marker = next(markers),color=next(colors),linestyle='-',label=next(labels))

    plt.xlabel('list size', fontsize=18)
    plt.ylabel('log(time)', fontsize=18)
    plt.legend(loc = 'upper left')
    plt.show()

profile()

Answer 6

a = [4,2,3,1,5,6]

index = dict((y,x) for x,y in enumerate(a))
try:
   a_index = index[7]
except KeyError:
   print "Not found"
else:
   print "found"

如果 a 没有改变，这将是一个好主意，因此我们可以执行一次 dict() 部分，然后重复使用它。 如果确实发生了变化，请提供有关您正在做什么的更多详细信息。

Answer 7

请注意， in运算符不仅测试相等 ( == ) 还测试身份 ( is )， list的in逻辑大致等价于以下内容（尽管它实际上是用 C 而不是 Python 编写的，至少在 CPython 中是这样）：

 for element in s: if element is target: # fast check for identity implies equality return True if element == target: # slower check for actual equality return True return False

在大多数情况下，这个细节是无关紧要的，但在某些情况下，它可能会让 Python 新手感到惊讶，例如， numpy.NAN具有不等于自身的不寻常属性：

>>> import numpy
>>> numpy.NAN == numpy.NAN
False
>>> numpy.NAN is numpy.NAN
True
>>> numpy.NAN in [numpy.NAN]
True

要区分这些不寻常的情况，您可以使用any() ，例如：

>>> lst = [numpy.NAN, 1 , 2]
>>> any(element == numpy.NAN for element in lst)
False
>>> any(element is numpy.NAN for element in lst)
True 

请注意，带有any()的list的in逻辑将是：

any(element is target or element == target for element in lst)

但是，我应该强调这是一个边缘情况，并且对于绝大多数情况， in运算符都经过高度优化，并且当然正是您想要的（使用list或使用set ）。

Answer 8

如果您只想检查列表中是否存在一个元素，

7 in list_data

是最快的解决方案。 请注意，尽管

7 in set_data

是一种近乎自由的操作，与集合的大小无关！ 从大列表创建集合比in慢 300 到 400 倍，因此如果需要检查许多元素，首先创建集合更快。

使用perfplot创建的绘图：

import perfplot
import numpy as np


def setup(n):
    data = np.arange(n)
    np.random.shuffle(data)
    return data, set(data)


def list_in(data):
    return 7 in data[0]


def create_set_from_list(data):
    return set(data[0])


def set_in(data):
    return 7 in data[1]


b = perfplot.bench(
    setup=setup,
    kernels=[list_in, set_in, create_set_from_list],
    n_range=[2 ** k for k in range(24)],
    xlabel="len(data)",
    equality_check=None,
)
b.save("out.png")
b.show()

Answer 9

听起来您的应用程序可能会从使用 Bloom Filter 数据结构中获益。

简而言之，布隆过滤器查找可以非常快速地告诉您某个值是否绝对不存在于集合中。 否则，您可以进行较慢的查找以获取可能在列表中的值的索引。 因此，如果您的应用程序往往比“找到”结果更频繁地获得“未找到”结果，您可能会通过添加布隆过滤器看到加速。

有关详细信息，Wikipedia 很好地概述了布隆过滤器的工作原理，并且在网络上搜索“python 布隆过滤器库”将提供至少几个有用的实现。

Answer 10

或使用__contains__ ：

sequence.__contains__(value)

演示：

>>> l = [1, 2, 3]
>>> l.__contains__(3)
True
>>> 

Answer 11

这不是代码，而是用于非常快速搜索的算法。

如果您的列表和您要查找的值都是数字，那么这非常简单。 如果字符串：查看底部：

• -让“n”成为列表的长度
• -可选步骤：如果您需要元素的索引：将第二列添加到具有当前元素索引（0到n-1）的列表中 - 见下文
• 订购您的列表或它的副本 (.sort())
• 依次通过：
  • 将您的号码与列表的第 n/2 个元素进行比较
    • 如果更大，则在索引 n/2-n 之间再次循环
    • 如果更小，则在索引 0-n/2 之间再次循环
    • 如果相同：你找到了
• 继续缩小列表，直到找到它或只有 2 个数字（在您要查找的数字的下方和上方）
• 这将在最多 19 个步骤中找到 1.000.000 列表中的任何元素（准确地说是 log(2)n）

如果您还需要号码的原始位置，请在第二个索引列中查找。

如果您的列表不是由数字组成的，该方法仍然有效并且速度最快，但您可能需要定义一个可以比较/排序字符串的函数。

当然，这需要 sorted() 方法的投入，但如果你一直重复使用同一个列表进行检查，这可能是值得的。

Answer 12

因为问题并不总是应该被理解为最快的技术方式 - 我总是建议最直接的最快方式来理解/编写：列表理解，单行

[i for i in list_from_which_to_search if i in list_to_search_in]

我有一个包含所有项目的list_to_search_in ，并希望返回list_from_which_to_search中项目的索引。

这将返回一个漂亮列表中的索引。

还有其他方法可以检查这个问题 - 但是列表推导足够快，加上编写它足够快的事实，以解决问题。

Answer 13

@Winston Ewert的解决方案极大地提高了非常大的列表的速度，但是这个stackoverflow答案表明，如果经常到达除外分支，则try：/ except：/ else：构造将变慢。 另一种方法是将.get()方法用于dict：

a = [4,2,3,1,5,6]

index = dict((y, x) for x, y in enumerate(a))

b = index.get(7, None)
if b is not None:
    "Do something with variable b"

.get(key, default)方法仅适用于无法保证键会包含在字典中的情况。 如果项存在 ，则返回值（如将dict[key] ），但是当它不是， .get()返回默认值（此处None ）。 你需要确保在这种情况下所选择的默认不会是a 。

Answer 14

present = False
searchItem = 'd'
myList = ['a', 'b', 'c', 'd', 'e']
if searchItem in myList:
   present = True
   print('present = ', present)
else:
   print('present = ', present)

Answer 15

我觉得很好

mylist = [j for j in range(100)]
value = 13 #mutable
print (value in mylist)
#output: True

如果你想打印值：

mylist = [j for j in range(100)]
value = 13 #mutable
if value in mylist:
    print (value)

Answer 16

空间数据的边缘情况

可能有更快的算法来处理空间数据（例如重构以使用 kd 树），但检查向量是否在数组中的特殊情况很有用：

• 如果你有空间数据（即笛卡尔坐标）
• 如果你有integer个掩码（即数组过滤）

在这种情况下，我想知道由两个点定义的（无向）边是否在（无向）边的集合中，这样

(pair in unique_pairs) | (pair[::-1] in unique_pairs) for pair in pairs

其中pair构成任意长度的两个向量（即形状(2,N) ）。

如果这些向量之间的距离有意义，那么测试可以用浮点不等式表示

test_result = Norm(v1 - v2) < Tol

并且“列表中存在值”只是any(test_result) 。

integer 对和 R3 向量对的示例代码和虚拟测试集生成器如下所示。

# 3rd party
import numpy as np
import numpy.linalg as LA
import matplotlib.pyplot as plt

# optional
try:
    from tqdm import tqdm
except ModuleNotFoundError:
    def tqdm(X, *args, **kwargs):
        return X
    print('tqdm not found. tqdm is a handy progress bar module.')
    

def get_float_r3_pairs(size):
    """ generate dummy vector pairs in R3  (i.e. case of spatial data) """
    coordinates = np.random.random(size=(size, 3))
    pairs = []
    for b in coordinates:
        for a in coordinates:
            pairs.append((a,b))
    pairs = np.asarray(pairs)
    return pairs
    
        
def get_int_pairs(size):
    """ generate dummy integer pairs (i.e. case of array masking) """
    coordinates = np.random.randint(0, size, size)
    pairs = []
    for b in coordinates:
        for a in coordinates:
            pairs.append((a,b))
    pairs = np.asarray(pairs)
    return pairs


def float_tol_pair_in_pairs(pair:np.ndarray, pairs:np.ndarray) -> np.ndarray:
    """
    True if abs(a0 - b0) <= tol & abs(a1 - b1) <= tol for (ai1, aj2), (bi1, bj2)
    in [(a01, a02), ... (aik, ajl)]
    
    NB this is expected to be called in iteration so no sanitization is performed.

    Parameters
    ----------
    pair : np.ndarray
        pair of vectors with shape (2, M)
    pairs : np.ndarray
        collection of vector pairs with shape (N, 2, M)

    Returns
    -------
    np.ndarray
        (pair in pairs) | (pair[::-1] in pairs).
    """
    m1 = np.sum( abs(LA.norm(pairs - pair, axis=2)) <= (1e-03, 1e-03), axis=1 ) == 2
    m2 = np.sum( abs(LA.norm(pairs - pair[::-1], axis=2)) <= (1e-03, 1e-03), axis=1 ) == 2
    return m1 | m2


def get_unique_pairs(pairs:np.ndarray) -> np.ndarray:
    """
    apply float_tol_pair_in_pairs for pair in pairs
    
    Parameters
    ----------
    pairs : np.ndarray
        collection of vector pairs with shape (N, 2, M)

    Returns
    -------
    np.ndarray
        pair if not ((pair in rv) | (pair[::-1] in rv)) for pair in pairs

    """
    pairs = np.asarray(pairs).reshape((len(pairs), 2, -1))
    rv = [pairs[0]]
    for pair in tqdm(pairs[1:], desc='finding unique pairs...'):
        if not any(float_tol_pair_in_pairs(pair, rv)):
            rv.append(pair)
    return np.array(rv)

Answer 17

对我来说，这是0.030秒（实际），0.026秒（用户）和0.004秒（系统）。

try:
print("Started")
x = ["a", "b", "c", "d", "e", "f"]

i = 0

while i < len(x):
    i += 1
    if x[i] == "e":
        print("Found")
except IndexError:
    pass

Answer 18

知道列表中是否存在值（列表中包含数百万个值）及其索引是什么的最快方法是什么？

我知道列表中的所有值都是唯一的，如本例所示。

我尝试的第一种方法是（在我的实际代码中为3.8秒）：

a = [4,2,3,1,5,6]

if a.count(7) == 1:
    b=a.index(7)
    "Do something with variable b"

我尝试的第二种方法是（速度提高了2倍：实际代码为1.9秒）：

a = [4,2,3,1,5,6]

try:
    b=a.index(7)
except ValueError:
    "Do nothing"
else:
    "Do something with variable b"

堆栈溢出用户建议的方法（我的实际代码为2.74秒）：

a = [4,2,3,1,5,6]
if 7 in a:
    a.index(7)

在我的真实代码中，第一种方法耗时3.81秒，第二种方法耗时1.88秒。 这是一个很好的改进，但是：

我是使用Python /脚本的初学者，有没有更快的方法来做相同的事情并节省更多的处理时间？

针对我的应用的更具体的解释：

在Blender API中，我可以访问粒子列表：

particles = [1, 2, 3, 4, etc.]

从那里，我可以访问粒子的位置：

particles[x].location = [x,y,z]

对于每个粒子，我通过搜索每个粒子位置来测试是否存在邻居，如下所示：

if [x+1,y,z] in particles.location
    "Find the identity of this neighbour particle in x:the particle's index
    in the array"
    particles.index([x+1,y,z])